Suchen

Software autonomer Fahrsysteme: Ontologien statt Testkilometer

| Redakteur: Benjamin Kirchbeck

Als zentraler Fahrzeugbestandteil muss die Software von (teil)autonomen Systemen kontinuierlich und verlässlich hohe Qualitätskriterien erfüllen. Forscher zeigen nun eine Methode zur Generierung sicherheitskritischer Simulationsszenarien und ein adaptives Regelverfahren zur Kompensation interner Fehler.

Firmen zum Thema

Forscher der TU Graz arbeiten gemeinsam mit der AVL daran, autonome Fahrsysteme sicherer zu machen (Symbolbild).
Forscher der TU Graz arbeiten gemeinsam mit der AVL daran, autonome Fahrsysteme sicherer zu machen (Symbolbild).
(Bild: Clipdealer)

Kritische Testszenarien mit Gefahr für Leib und Leben lassen sich in realen Testfahrten nicht abbilden. Autonome Fahrsysteme müssen also vorrangig in Simulationen auf ihre Sicherheit hin getestet werden. „Autonome Fahrzeuge müssten rund 200 Millionen Kilometer gefahren werden, um ihre Zuverlässigkeit – speziell für Unfallszenarien – unter Beweis zu stellen. Das sind 10.000-mal mehr Testkilometer als sie bei herkömmlichen Autos notwendig sind“, erklärt Franz Wotawa vom Institut für Softwaretechnologie der TU Graz.

„Die bisherigen simulierten Tests decken zwar schon viele Szenarien ab. Doch bleibt immer die Frage stehen, ob das ausreichend ist und an alle möglichen Unfallszenarien gedacht wurde“, so Wotawa. Mihai Nica von AVL kann das nur bestätigen: „Um hoch automatisierte Systeme zu testen ist es für die Automobilindustrie erforderlich, die Validierung und Zertifizierung von Advanced Driver Assistance Systemen (ADAS) und Autonomous Driving (AD) Systemen zu überdenken. Durch die Zusammenarbeit der TU Graz wollen wir eine einzigartige und effiziente Testmethode entwickeln, die Simulation und Testfallgenerierung kombiniert.“

Die Forscher arbeiten an innovativen Methoden, mit denen ungleich mehr Testszenarien simuliert werden können als bisher. Ihr Ansatz: Statt Millionen von Kilometern zu fahren nutzen sie Ontologien zur Beschreibung der Umgebung von autonomen Fahrzeugen. Ontologien sind Wissensbasen für den Austausch relevanter Informationen innerhalb eines maschinellen Systems. So können beispielsweise Schnittstellen, Verhaltensweisen und Beziehungen einzelner Systemeinheiten miteinander kommunizieren. Im Fall von autonomen Fahrsystemen wären das etwa die Einheiten „Entscheidungsfindung“, „Verkehrsbeschreibung“ oder „Autopilot“.

Das Projektteam hat mit grundlegenden Detailinformationen über Umgebungen in Fahrszenarien gearbeitet und die Wissensbasen mit Details zum Aufbau von Straßen, Kreuzungen und Co gespeist. Daraus lassen sich mathematisch Szenarien ableiten, die in Simulationen das Verhalten der automatisierten Fahrsysteme testen. AVL stellt hierzu einen der weltweit führenden Testfallgenerierungsalgorithmen zur Verfügung.

Zusätzliche Schwachstellen aufgedeckt

Im Rahmen des EU-Projekts AutoDrive haben die Forschenden diese Ontologien mittels zweier Algorithmen in Eingabemodelle für kombinatorische Tests umgewandelt, die in weiterer Folge mithilfe von Simulationsumgebungen ausgeführt werden können. „Wir haben in ersten experimentellen Versuchen gravierende Schwachstellen von automatisierten Fahrfunktionen aufgedeckt. Ohne diese automatisch generierten Testszenarien wären die Schwachstellen nicht so schnell erkannt worden: 9 von 319 untersuchten Testfällen haben zu Unfällen geführt“, so Wotawa.

So hat zum Beispiel ein Bremsassistenzsystem in einem bestimmten Testszenario zwei aus verschiedenen Richtungen kommende Personen nicht gleichzeitig erkannt und mit dem eingeleiteten Bremsmanöver eine der beiden Personen schwer getroffen. Das heißt, man findet anhand der neuen Methode Testszenarien, die man einerseits in der Realität schwer testen kann und die man andererseits vielleicht auch gar nicht im Fokus hat.

Adaptive Kompensation interner Fehler

Autonome Fahrsysteme müssen zudem in der Lage sein, sich im Fall von Störungen oder geänderten Umweltbedingungen selbst zu korrigieren und gegebene Zielzustände jederzeit verlässlich erreichen. „Wenn wir bereits heute verwendete teilautomatisierte Systeme wie den Tempomat betrachten wird schnell klar: Bei Fehlern kann und wird immer der Fahrer, die Fahrerin eingreifen. Bei vollständig autonomen Fahrzeugen ist das keine Option mehr, daher muss das System selbst entsprechend handeln können“, führt Franz Wotawa aus.

In einer neuen Publikation präsentiert Franz Wotawa gemeinsam mit seinem Doktoranden Martin Zimmermann ein Regelverfahren, das interne Fehler im Softwaresystem adaptiv kompensieren kann. Die vorgestellte Methode wählt alternative Aktionen so aus, dass vorgegebene Zielzustände erreicht werden können, wobei ein gewisser Grad an Redundanz zur Verfügung steht.

Die Aktionsauswahl basiert auf Gewichtungsmodellen, die im Laufe der Zeit angepasst werden und die Erfolgsrate bestimmter, bereits durchgeführter Aktionen erfassen. Neben der Methode stellen die Forscher auch eine Java-Implementierung und ihre Validierung anhand von zwei Fallstudien vor, die durch die Anforderungen des autonomen Fahrbereichs motiviert sind.

(ID:46744279)